• <ins id="pjuwb"></ins>
    <blockquote id="pjuwb"><pre id="pjuwb"></pre></blockquote>
    <noscript id="pjuwb"></noscript>
          <sup id="pjuwb"><pre id="pjuwb"></pre></sup>
            <dd id="pjuwb"></dd>
            <abbr id="pjuwb"></abbr>

            杰 & C++ & Python & DM

            數據挖掘中的指數函數

                        最近做數據時,使用神經網絡建模。在神經網絡中,會用到激發函數(activation function)。

                    典型的激發函數有Sigmod函數:

                              image

                    雙曲正切函數:

                             image

                      這兩個都涉及到指數函數,在C中,為求指數函數,使用exp()函數。

                  在數次出錯后找到問題,原來是我的指數值過大,數據中有時會出現超過1000的數字,這導致在求值過程中,即使使用double型,也使得結果溢出。

                  解決方法是定義一個指數函數,當指數值超過一定界限便指定一個相對無窮大的值,這樣也符合數學定義。在我的處理中,將界限設定為15,當該值大于15時,返回3000000;當界限值小于-15時,返回0。

            posted on 2011-01-21 23:40 jaysoon 閱讀(1121) 評論(0)  編輯 收藏 引用 所屬分類: 數據挖掘

            <2011年1月>
            2627282930311
            2345678
            9101112131415
            16171819202122
            23242526272829
            303112345

            導航

            統計

            常用鏈接

            留言簿

            隨筆分類

            隨筆檔案

            文章分類

            文章檔案

            收藏夾

            C++

            搜索

            最新評論

            閱讀排行榜

            評論排行榜

            欧美黑人激情性久久| 久久91这里精品国产2020| 日韩美女18网站久久精品| 久久国产精品视频| 伊人久久成人成综合网222| 免费无码国产欧美久久18| 熟妇人妻久久中文字幕| 久久99国产精品成人欧美| 亚洲国产精品成人AV无码久久综合影院| 久久天天躁狠狠躁夜夜avapp | 久久99精品国产99久久6| 久久综合久久综合亚洲| 成人资源影音先锋久久资源网| 欧美成a人片免费看久久| 精品永久久福利一区二区| 午夜精品久久久久9999高清| 国产成人无码久久久精品一| 一本久久综合亚洲鲁鲁五月天亚洲欧美一区二区 | 2021精品国产综合久久| 一本大道久久东京热无码AV| 午夜不卡888久久| 久久99热只有频精品8| 思思久久好好热精品国产| 天天久久狠狠色综合| 久久综合给久久狠狠97色| 久久丝袜精品中文字幕| 欧美激情精品久久久久| 精品乱码久久久久久久| 亚洲精品乱码久久久久久蜜桃图片 | 99久久99久久| 东京热TOKYO综合久久精品| 无码人妻精品一区二区三区久久| 国产69精品久久久久9999| 国产亚洲欧美精品久久久| 无码AV中文字幕久久专区| 99久久夜色精品国产网站 | 久久超碰97人人做人人爱| 丁香色欲久久久久久综合网| 欧美精品九九99久久在观看| 无码人妻久久一区二区三区蜜桃| 精品综合久久久久久88小说|